[論文レビュー] Finding Convex Hulls Using Quickhull on the GPU

Stanley Tzeng, John D. Owens|arXiv (Cornell University)|Jan 13, 2012

Computational Geometry and Mesh Generation参考文献 13被引用数 18

ひとこと要約

この論文では、再帰的分割をデータの並べ替えに置き換えることで、GPUにおける再帰処理の制限を克服する新しいフレームワークを用いて、Quickhullに基づくGPUアクセラレート型凸包アルゴリズムを提示している。この手法は、分割統治の論理をGPU最適化されたセグメント処理とカーネル起動に効率的にマッピングすることで、CPUベースの凸包ライブラリと比較して10倍の高速化を達成している。

ABSTRACT

We present a convex hull algorithm that is accelerated on commodity graphics hardware. We analyze and identify the hurdles of writing a recursive divide and conquer algorithm on the GPU and divise a framework for representing this class of problems. Our framework transforms the recursive splitting step into a permutation step that is well-suited for graphics hardware. Our convex hull algorithm of choice is Quickhull. Our parallel Quickhull implementation (for both 2D and 3D cases) achieves an order of magnitude speedup over standard computational geometry libraries.

研究の動機と目的

• GPUにネイティブな再帰サポートがないため、再帰的分割統治アルゴリズムをGPU上で効率的に実装すること。
• CPUからGPUに凸包計算をオフロードすることで、その性能ボトルネックを解消すること。
• 分割統治アルゴリズムをGPUアーキテクチャに適合したデータ並列ワークロードにマッピングする一般化されたフレームワークの開発。
• 一般化されたGPUハードウェアを用いた2次元および3次元点集合における凸包計算の高性能実装を達成すること。

提案手法

• GPUの再帰処理制限を回避するため、再帰的分割をデータの並べ替えに置き換える。
• セグメントフラグを用いて、1つの配列内に論理的なデータパーティションを維持し、セグメント処理を可能にする。
• Quickhullの再帰的パーティショニングを、並べ替えによる入力データ再組織化と連携した反復的カーネル起動にマッピングする。
• 凸包上にない点を効果的に除外するコンパクトな操作を採用し、反復ごとのデータサイズを削減する。
• GPU最適化されたメモリアクセスパターンとカーネル起動を活用して、レイテンシを最小限に抑える。
• このフレームワークを4次元以上の凸包計算にも拡張可能である。

実験結果

リサーチクエスチョン

• RQ1 ネイティブな再帰がサポートされていないGPUアーキテクチャにおいて、再帰的分割統治アルゴリズムをデータ並列実行モデルに効果的にマッピングする方法は何か？
• RQ2 並べ替えに基づくフレームワークを用いてGPU上にQuickhullを実装することで、どの程度の性能向上が達成できるか？
• RQ3 異なる点分布において、GPUに移植されたQuickhullの性能は、標準的なCPUベースの凸包ライブラリと比べてどの程度か？
• RQ4 特に凸包が濃密な場合に、GPUベースの凸包計算における主な性能ボトルネックは何か？
• RQ5 提案されたフレームワークは、凸包を越えて他の分割統治アルゴリズムに対しても一般化可能か？

主な発見

• GPU最適化されたQuickhull実装は、qhull や hull といったCPUベースの凸包ライブラリと比較して、10倍の高速化（10倍の速度向上）を達成した。
• 均一分布、円上／球面上、円／球面付近の点分布のすべてのテストケースで、CPU実装を上回る性能を示した。
• 円および球面のケースでは反復回数の増加に起因する性能劣化が観察された。均一分布と比較して、GPU版はそれぞれ17倍（円）および14倍（球面）の遅延が生じた。
• CPU版のqhullは球面ケースで23倍の遅延を示したが、hullは僅か2倍の遅延にとどまった。これは、GPUのオーバーヘッドが凸包の密度に敏感であることを示している。
• フレームワークは高次元への拡張が可能であり、同様の基本原則を用いて4次元凸包の実装が成功裏に実証された。
• 将来的には、カーネル内からカーネルを起動できるハードウェア（例：ネストされたカーネル起動）のサポートが予想され、CPU-GPU間通信のオーバーヘッドが著しく低減され、さらなる性能向上が期待される。